Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: statystyka odporna

Sortuj według:

Ogranicz wyniki do:

Zastosowanie statystyki odpornościowej na przykładzie badań międzylaboratoryjnych

Volodarsky E. T., Warsza Z.L.

Przegląd Elektrotechniczny

2013

R. 89, nr 11

260-267

Przedstawiono dwie tzw. odporne metody statystyczne: o przeskalowanym odchyleniu medianowym MAD i iteracyjną Hubera. Sa one stosowanie do oceny niepewności próbek pomiarowych o małej liczbie danych z wartościami odstającymi (ang. outliers). Uwzględnia się w nich wszystkie dane, ale outliery traktuje się inaczej jako mniej wiarygodne. Porównano dla kilku przykładów z badań międzylaboratoryjnych wyniki obliczone wg procedury standardowej oraz oboma metodami odpornymi. Stwierdzono, że metodą Hubera można szacować dokładność pomiarów przy walidacji metody pomiarowej w porównaniu kluczowym i przy okresowej kontroli biegłości laboratorium, gdy dostępna jest jedynie mała próbka z outlierem.

Two robust methods of assessing the uncertainty of samples of experimental data with outliers are presented, i.e.: a rescaled median absolute deviation MADS method and an iterative Huber method. They allow to set a credible accuracy parameters of the measurements with the use of all experimental data, but outliers as less reliable, differently are treated. For small size samples with outliers results obtained by a classical method with rejection of outliers and by above robust methods are compared. It is shown that Huber method can be successfully used in estimation of the accuracy in inter-laboratory measurements, such as key comparisons of the tested method and in proficiency testing in the control or accreditation of the laboratory if such small size sample is only available.

Highly robust statistical methods in medical image analysis

Kalina J.

Biocybernetics and Biomedical Engineering

2012

Vol. 32, no. 2

3-16

Standard multivariate statistical methods in medical applications are too sensitive to the assumption of multivariate normality and the presence of outliers in the data. This paper is devoted to robust statistical methods. In the context of medical image analysis they allow to solve the tasks of face detection and face recognition in a database of images. The results of the robust approaches in image analysis turn out to outperform those obtained with standard methods. Robust methods also have desirable properties appealing for practical applications, including dimension reduction and clear interpretability.